綜合理解視頻內(nèi)容和文本語義在很多領(lǐng)域都有著廣泛的硏究。早期的研究主要是將文本-視頻映射到一個(gè)公共向量空間，然而這種方法所面臨的一個(gè)問題是大規(guī)模文本-視頻數(shù)據(jù)集不足。由于視頻數(shù)據(jù)存在較大的信息冗余，直接通過3D網(wǎng)紿提取整個(gè)視頻特征會使網(wǎng)絡(luò)參數(shù)較多且實(shí)時(shí)性較差，不利于執(zhí)行視頻任務(wù)。為了解決上述問題，文中通過良好的聚類網(wǎng)絡(luò)聚合視頻局部特征，并可以同時(shí)利用圖像和視頻數(shù)據(jù)訓(xùn)練網(wǎng)絡(luò)模型，有效地解決了視頻模態(tài)缺失問題，冋時(shí)對比了人臉模態(tài)對召任務(wù)的影響。在聚類網(wǎng)絡(luò)中加入了注意力機(jī)制，使得網(wǎng)絡(luò)更加關(guān)注與文本語義強(qiáng)相關(guān)的模態(tài)，從而提高了文本-視頻的相似度值，更有利于提高模型的準(zhǔn)確率。實(shí)驗(yàn)數(shù)據(jù)表明，基于聚類網(wǎng)絡(luò)的文本-視頻特征學(xué)習(xí)可以很好地將文本-視頻映射到一個(gè)公向量空間，使具有相近語乂的文本和視頻距離較近，而不相近的文本和視頻距離較遠(yuǎn)。在MPI和 MSR-VTT數(shù)據(jù)集上，基于本視頻召回任務(wù)來測評模型的性能，相比其他模型，所提模型在兩個(gè)數(shù)據(jù)集上進(jìn)行精度均有提升。實(shí)驗(yàn)數(shù)據(jù)表明，基于聚網(wǎng)絡(luò)的文本-特征學(xué)習(xí)可以很好地將文本-視頻映射到一個(gè)公共向量空間，從而用于文本-視頻召回任務(wù)。